專利名稱：圖象處理方法和記錄了圖象處理程序的記錄媒體的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及對數(shù)字圖像數(shù)據(jù)進行銳化處理的圖象處理方法。
迄今，作為將照片等的圖像印制到印相紙上的照片印相裝置，已提出了通過記錄了照片圖像的底片將印相紙曝光的模擬打印機以及根據(jù)用掃描儀等讀取記錄在底片上的圖像的圖像數(shù)據(jù)和由數(shù)碼相機等拍攝的圖像數(shù)據(jù)將印相紙曝光的數(shù)字打印機等各種方案。特別是數(shù)字打印機，通過與對圖像數(shù)據(jù)進行色修正及濃度修正等的圖象處理的圖象處理裝置組合使用，可以進行模擬打印機所不能實現(xiàn)的色修正和濃度修正等，同時，可以容易而迅速地得到符合顧客的要求的圖像，現(xiàn)在已廣泛地應用。
另外，由于袖珍相機及一次性相機等的普及，一般人拍攝彩色照片的機會多起來了。在最近的相機中，具備了自動調(diào)焦功能及自動閃光功能等，對攝影不熟悉的人也可以以某種程度的質(zhì)量進行拍攝。但是，在自動調(diào)焦功能中，特別是是否合焦了，對拍攝者是難于掌握的，有時主要的被攝體沒有位于畫面的中央時等，在該主要的被攝體未合焦的狀態(tài)下就進行了拍攝。另外，利用自動閃光功能在逆光拍攝時等可以拍攝出某種程度的照片，但是，即使如此，有時也會成為不自然的照片。此外，由于拍攝時的輕微的手抖動原因也會成為全體模糊的照片。
如上所述，在所拍攝的圖像中，由于種種原因，有時發(fā)生模糊現(xiàn)象。因此，在上述圖象處理裝置中，在輸入的數(shù)字圖像數(shù)據(jù)中發(fā)生模糊時，有時進行稱為銳化處理的圖象處理。所謂銳化處理，就是將由于模糊而引起的圖像的劣化復原，或根據(jù)要求為了使圖像容易看而將圖像的邊緣進行強調(diào)的處理。作為銳化處理的具體的方法，有利用1次微分運算的強調(diào)和2次微分運算(拉普拉斯算子)的強調(diào)等，但是，根據(jù)可以進行比較自然的強調(diào)處理，廣泛采用了拉普拉斯算子的強調(diào)。
利用拉普拉斯算子的處理是，根據(jù)原圖像的圖像數(shù)據(jù)的各像素值，通過使該圖像數(shù)據(jù)的各像素的拉普拉斯算子取負而進行邊緣的強調(diào)。設(shè)原圖像的圖像數(shù)據(jù)的各像素值即原信號為f(i,j)(i,j表示坐標)、利用拉普拉斯算子進行處理后的各像素值即處理過的信號為F(i,j)時，則上述處理可以表為下式。F(i,j)=f(i,j)-2f(i,j)(1)下面，根據(jù)圖7(a)～(d)說明以上的處理。
圖7(a)表示在橫方向取各像素的位置、在縱方向取像素值的原信號的概略情況，圖7(b)表示原信號的1次微分，圖7(c)表示原信號的拉普拉斯算子，圖7(d)表示用上述(1)式求的(原信號)-(拉普拉斯算子)。
圖7(a)所示的原信號，左側(cè)像素值低，右側(cè)像素值高，在中央附近存在邊界區(qū)域。在該邊界區(qū)域的像素值的變化略平滑緩慢，成為邊緣多少模糊的狀態(tài)。
對該原信號進行1次微分時，如圖7(b)所示，在邊界區(qū)域的中央部分成為取極大值的分布。并且，通過進一步求微分而求拉普拉斯算子時，如圖7(c)所示，成為在邊界區(qū)域的左側(cè)取極大值、而在右側(cè)取極小值的分布。將該拉普拉斯算子從原信號取負時，在原信號中從左側(cè)的像素值低的區(qū)域變化到邊界區(qū)域的部分的值，通過拉普拉斯算子的左側(cè)的極大值取負將進一步降低。另外，在原信號中，從邊界區(qū)域變化到右側(cè)的像素值高的區(qū)域的部分的值通過使拉普拉斯算子的右側(cè)的極小值取負(由于極小值是負的值，所以，實際上成為正的)而進一步提高。因此，如圖7(d)所示，邊界區(qū)域的像素值的變化與原信號相比成為陡峭變化的狀態(tài)，從而可以抑制模糊，強調(diào)邊緣。
下面，根據(jù)數(shù)式說明圖7(a)～(d)所示的處理。上述(1)式的右邊可以變形為如下形式。即數(shù)式1f(i,j)-2f(i,j)=9f(i,j)-(f(i+1,j)+f(i-1,j)+f(i,j+1)+f(i,j-1)+f(i+1,j+1)+f(i-1,j+1)+f(i+1,j-1)+f(i-1,j-1))(2)
為了便于說明，上述(2)式成為設(shè)想以注目像素為中心的3×3的矩陣的數(shù)學式。在該(2)式中，位于坐標(i,j)處的像素位于像素值變化的斜率的中央附近即幾乎沒有斜率的變化的區(qū)域或幾乎沒有像素值變化的區(qū)域時，則為2f(i,j)=0，從F(i,j)=f(i,j)-2f(i,j)變?yōu)镕(i,j)=f(i,j)，幾乎沒有像素值的變化。
另一方面，位于坐標(i,j)處的像素位于像素值變化的斜率的下部即位于邊緣的像素值的低的一側(cè)時，在坐標(i,j)的周圍，存在很多像素值比f(i,j)大的像素。因此，(2)式右邊第2項以后的坐標(i,j)周圍的8個像素的像素值的總和比f(i,j)的8倍大。因此，成為f(i,j)-2f(i,j)＜f(i,j)，像素值小了若干。
另外，位于坐標(i,j)處的像素位于像素值變化的斜率的上部即位于邊緣的像素值高的一側(cè)時，在坐標(i,j)的周圍，存在很多像素值比f(i,j)小的像素。因此，(2)式右邊第2項以后的坐標(i,j)周圍的8個像素的像素值的總和比f(i,j)的8倍小。因此，成為f(i,j)-2f(i,j)＞f(i,j)，像素值大了若干。
這樣，通過利用拉普拉斯算子運算進行圖象處理，可以在圖像的邊緣進行使像素值低的一側(cè)更低而像素值高的一側(cè)更高的處理，所以，邊緣就進行了強調(diào)處理。
如上所述，如果利用拉普拉斯算子運算進行圖象處理，通過強調(diào)圖像的邊緣，可以抑制圖像的模糊，但是，同時也發(fā)生了噪音被放大的問題以及發(fā)生上沖和下沖的問題。
下面，先說明噪音放大的問題。圖8(a)表示在發(fā)生了噪音的圖像中在橫方向取各像素的位置、在縱方向取像素值的原信號，圖8(b)表示用上述(1)式求的(原信號)-(拉普拉斯算子)。通過比較圖8(a)和(b)可知，通過利用拉普拉斯算子進行圖象處理，也將噪音放大了。下面，使用具體的數(shù)值進行說明。表1
在表1中，第1行的各數(shù)字表示在一維排列的原信號的各像素值，表示在像素值為100的均勻的圖像數(shù)據(jù)中在1各地方包含像素值成為125的噪音的狀態(tài)。第2行的各數(shù)字表示與第1行的原信號對應的拉普拉斯算子，在沒有像素值的變化的像素處為0，但是，在發(fā)生了噪音的像素的兩邊相鄰的像素處為25、而在發(fā)生了噪音的像素處則成為-50。第3行的各數(shù)字表示(原信號)-(拉普拉斯算子)，在沒有像素值的變化的像素處和原信號相同，為100，但是，在發(fā)生了噪音的像素的兩邊相鄰的像素處減少為75，而在發(fā)生了噪音的像素處則增大到175。
這樣，在原信號中，像素值為125的噪音通過利用拉普拉斯算子進行圖象處理，像素值就增大到175，顯著地放大了噪音。另外，發(fā)生了噪音的像素的兩邊相鄰的像素的像素值減少了若干，所以，成為噪音格外顯著的狀態(tài)。
下面，說明發(fā)生上沖和下沖的問題。圖9(a)表示在邊緣比較明確的圖像中在橫方向取各像素的位置而在縱方向取像素值的原信號，圖9(b)表示原信號的拉普拉斯算子，圖9(c)表示用上述(1)式求的(原信號)-(拉普拉斯算子)。如圖9(c)所示，可知對邊緣比較明確的圖像利用拉普拉斯算子進行圖象處理時，就以邊緣為中心進行了使像素值低的一側(cè)變?yōu)楦偷闹怠⒍瓜袼刂蹈叩囊粋?cè)變?yōu)楦叩闹档淖儞Q，結(jié)果，就發(fā)生了上沖和下沖。下面，使用具體的數(shù)值進行說明。表2
在表2中，第1行的各數(shù)字表示一維排列的原信號的各像素值，表示像素值為100的像素區(qū)域和像素值為150的像素區(qū)域相鄰的狀態(tài)即在邊緣處像素值急劇變化的狀態(tài)。第2行的各數(shù)字表示與第1行的原信號對應的拉普拉斯算子，在沒有像素值的變化的像素處為0，但是，在與像素值為150的像素相鄰的像素值為100的像素處，拉普拉斯算子成為50，在與像素值為100的像素相鄰的像素值為150的像素處，拉普拉斯算子成為-50。第3行的各數(shù)字表示(原信號)-(拉普拉斯算子)，在沒有像素值的變化的像素處，成為與原圖像像素數(shù)據(jù)相同的像素值，但是，在與像素值為150的像素相鄰的像素值為100的像素處，像素值減少為50，在與像素值為100的像素相鄰的像素值為150的像素處，像素值上升為200。
這樣，可知對邊緣比較明確的圖像利用拉普拉斯算子進行圖象處理時，在邊緣附近將發(fā)生上沖和下沖。進行這樣的處理時，例如，在拍攝的暗背景中的明亮的被攝體的照片圖像中，被攝體的周邊部分將明亮到超過所需要的程度，而被攝體的周圍的背景將發(fā)生暗的邊緣，從而將成為不自然的照片圖像。
本發(fā)明就是為了解決上述問題而提案的，目的旨在提供對數(shù)字圖像數(shù)據(jù)進行銳化處理時不會發(fā)生噪音的強調(diào)及上沖和下沖等問題的圖象處理方法和記錄圖象處理程序的記錄媒體。
為了解決上述問題，本發(fā)明1所述的圖象處理方法是根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理方法，其特征在于通過變更根據(jù)原圖像的圖像數(shù)據(jù)決定取負的2次微分的大小的第1參量，來控制銳化處理的程度。
在上述方法中，第1參量決定根據(jù)原圖像的圖像數(shù)據(jù)取負的2次微分的大小，該第1參量可以進行變更。即，通過根據(jù)在原圖像中發(fā)生的模糊的狀態(tài)變更第1參量，可以進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明2所述的圖象處理方法的特征在于在本發(fā)明1所述的圖象處理方法中，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法，來設(shè)定上述第1參量。
按照上述方法，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法來設(shè)定第1參量，所以，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明3所述的圖象處理方法是根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理方法，其特征在于上述2次微分可以由注目像素與位于其附近的多個像素的像素值的差分的總和而得到，同時，將上述各差分乘以系數(shù)，各系數(shù)根據(jù)對應的差分的大小而變化。
2次微分基本上可以由注目像素與位于其附近的多個像素的像素值的差分的總和而得到，但是，按照上述方法，將上述各差分乘以系數(shù)，各系數(shù)根據(jù)對應的差分的大小而變化。即，例如，如果差分的大小越大，將對應的系數(shù)的大小設(shè)定得也越大，則2次微分對差分的大小是小的附近像素的影響減小。因此，例如在附近像素發(fā)生微小的噪音時等，可以抑制該噪音的影響包含在2次微分中，所以，從而可以抑制通過銳化處理而噪音得到強調(diào)的現(xiàn)象。
本發(fā)明4所述的圖象處理方法的特征在于在本發(fā)明3所述的圖象處理方法中，上述系數(shù)在上述差分的大小大于第2參量時和上述差分的大小小于第2參量時設(shè)定為不同的值，同時，通過變更上述第2參量而控制銳化的程度。
按照上述方法，上述系數(shù)在上述差分的大小大于第2參量時和上述差分的大小小于第2參量時設(shè)定為不同的值。這里，例如，如果上述系數(shù)設(shè)定為在上述差分的大小大于第2參量時成為大的值而在上述差分的大小小于第2參量時成為小的值，則和上述一樣，例如在附近像素中發(fā)生微小的噪音時等可以抑制在2次微分中包含該噪音的影響。另外，通過根據(jù)原圖像的圖像狀態(tài)變更第2參量，可以進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明5所述的圖象處理方法的特征在于在本發(fā)明4所述的圖象處理方法中，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而設(shè)定所述第2參量。
按照上述方法，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而設(shè)定上述第2參量，所以，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明6所述的圖象處理方法是根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理方法，其特征在于對所述2次微分設(shè)置了上限和/或下限，通過變更決定該上限和/或下限的第3參量來控制銳化的程度。
按照上述方法，對上述2次微分設(shè)置了上限和/或下限，所以，例如對在原圖像中充分強調(diào)了邊緣的區(qū)域可以防止進而進行不必要的邊緣強調(diào)處理。這樣，便可抑制進行銳化處理的圖像發(fā)生上沖和下沖的問題。另外，所述上限和/或下限可以利用第3參量進行變更，所以，可以根據(jù)原圖像的圖像狀態(tài)變更上限的值，從而可以進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明7所述的圖象處理方法的特征在于在本發(fā)明6所述的圖象處理方法中，所述上限和/或下限由用色差微分值除所述第3參量的值決定。
按照上述方法，所述上限和/或下限由用色差分值除上述第3參量的值決定。所謂色差微分值，就是邊緣強的區(qū)域，所謂色差微分值小的區(qū)域，就是邊緣弱的區(qū)域。即，在邊緣強的區(qū)域，上限和/或下限的絕對值減小，在邊緣弱的區(qū)域，上限和/或下限的絕對值增大。即，對在原圖像中充分強調(diào)了邊緣的區(qū)域通過減小上限和/或下限的絕對值，可以防止2次微分不必要地增大，從而可以抑制超過所需要的銳化處理。另外，對在原圖像中發(fā)生某種程度的模糊的區(qū)域通過增大上限和/或下限的絕對值，可以使2次微分比較大，從而可以可靠地進行銳化處理。
本發(fā)明8所述的圖象處理方法的特征在于在本發(fā)明6或7所述的方法中，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法來設(shè)定上述第3參量。
按照上述方法，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法來設(shè)定第3參量，所以，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明9所述的圖象處理方法的特征在于在本發(fā)明1～8的任一項發(fā)明所述的方法中，對原圖像的像素數(shù)據(jù)利用2次微分對各色成分進行銳化處理。
按照上述方法，拉普拉斯算子運算對各色成分進行，所以，例如，在原圖像中，在雖然是同等程度的濃度差但由于色相發(fā)生變化而形成邊緣時，也可以將該區(qū)域識別為邊緣，從而可以進行邊緣的強調(diào)處理。
本發(fā)明10所述的記錄圖象處理程序的記錄媒體是記錄使計算機執(zhí)行根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理的圖象處理程序的記錄媒體，其特征在于通過變更根據(jù)原圖像的圖像數(shù)據(jù)而取負的2次微分的大小的第1參量而使計算機執(zhí)行控制銳化處理的程度的處理。
在記錄到上述記錄媒體上的程序中，第1參量決定根據(jù)原圖像的圖像數(shù)據(jù)而取負的2次微分的大小，該第1參量可以變更。即，通過根據(jù)原圖像中發(fā)生的模糊的狀態(tài)而變更第1參量，可以進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明11所述的記錄圖象處理程序的記錄媒體的特征在于在本發(fā)明10所述的結(jié)構(gòu)中，使計算機執(zhí)行從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)并通過將這些數(shù)據(jù)輸入指定的算法而決定上述第1參量的處理。
按照記錄到上述記錄媒體上的程序，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而設(shè)定第1參量，所以，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明12所述的記錄圖象處理程序的記錄媒體是記錄使計算機執(zhí)行根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理的圖象處理程序的記錄媒體，其特征在于上述2次微分由注目像素與其附近的多個像素的像素值的差分的總和得到，同時使計算機執(zhí)行對上述各差分乘以系數(shù)并且各系數(shù)根據(jù)對應的差分的大小而變化的處理。
2次微分基本上可以由注目像素與其附近的多個像素的像素值的差分的總和得到，但是，按照記錄到上述記錄媒體上的程序，對上述各差分乘以系數(shù)，而各系數(shù)根據(jù)對應的差分的大小而變化。即，例如，如果設(shè)定為差分的大小越大，使對應的系數(shù)的大小越大，則2次微分將減小差分的大小是小的附近像素的影響。因此，例如在附近像素處發(fā)生微小的噪音時等，便可抑制該噪音的影響包含在2次微分中，所以，可以抑制由于銳化處理而噪音得到強調(diào)的情況。
本發(fā)明13所述的記錄圖象處理程序的記錄媒體的特征在于在本發(fā)明12所述的結(jié)構(gòu)中，上述系數(shù)在上述差分的大小大于第2參量時和上述差分的大小小于第2參量時設(shè)定為不同的值，同時，通過變更上述第2參量使計算機執(zhí)行控制銳化的程度的處理。
按照記錄到上述記錄媒體上的程序，上述系數(shù)在上述差分的大小大于第2參量時和上述差分的大小小于第2參量時設(shè)定為不同的值。這里，例如，如果在上述差分的大小大于第2參量時將上述系數(shù)設(shè)定為大的值而在上述差分的大小小于第2參量時設(shè)定為小的值，就和上述一樣，例如在附近像素處發(fā)生微小的噪音時等，就可以抑制該噪音的影響包含在2次微分中。另外，通過根據(jù)原圖像的圖像狀態(tài)變更第2參量，便可進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明14所述的記錄圖象處理程序的記錄媒體的特征在于在本發(fā)明13所述的結(jié)構(gòu)中，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而使計算機執(zhí)行設(shè)定上述第2參量的處理。
按照記錄到上述記錄媒體上的程序，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而設(shè)定第2參量，所以，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明15所述的記錄圖象處理程序的記錄媒體是記錄使計算機執(zhí)行根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理的圖象處理程序的記錄媒體，其特征在于對上述2次微分設(shè)置了上限和/或下限，通過變更決定該上限和/或下限的第3參量，使計算機執(zhí)行控制銳化的程度的處理。
按照記錄到上述記錄媒體上的程序，對上述2次微分設(shè)置了上限和/或下限，所以，可以防止例如對在原圖像中充分強調(diào)了邊緣的區(qū)域進而進行不必要的邊緣強調(diào)處理。這樣，便可抑制在進行銳化處理的圖像中發(fā)生上沖和下沖的現(xiàn)象。另外，上述上限和/或下限可以由第3參量進行變更，所以，可以根據(jù)原圖像的圖像的狀態(tài)來變更上限和/或下限，從而可以進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明16所述的記錄圖象處理程序的記錄媒體的特征在于在本發(fā)明15所述的結(jié)構(gòu)中，使計算機執(zhí)行通過用色差微分值除上述第3參量的值決定上述上限和/或下限的處理。
按照記錄到上述記錄媒體上的程序，上述上限和/或下限由用色差微分值除上述第3參量的值決定。所謂色差微分值大的區(qū)域，就是邊緣強的區(qū)域，所謂色差微分值小的區(qū)域，就是邊緣弱的區(qū)域。即在邊緣強的區(qū)域中，上限和/或下限的絕對值減小，在邊緣弱的區(qū)域中，上限和/或下限的絕對值增大。即，對在原圖像中充分強調(diào)了邊緣的區(qū)域通過減小上限和/或下限的絕對值，防止2次微分不必要地增大，從而可以抑制超過所需要的銳化處理。另外，對在原圖像中發(fā)生了某種程度的模糊的區(qū)域通過增大上限和/或下限的絕對值，2次微分則變得比較大，從而可以可靠地進行銳化處理。
本發(fā)明17所述的記錄圖象處理程序的記錄媒體的特征在于在本發(fā)明15或16所述的結(jié)構(gòu)中，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而使計算機執(zhí)行設(shè)定上述第3參量的處理。
按照記錄到上述記錄媒體上的程序，從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而設(shè)定上述第3參量，所以，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明18所述的記錄圖象處理程序的記錄媒體的特征在于在本發(fā)明10～17的任一項發(fā)明所述的結(jié)構(gòu)中，使計算機對原圖像的像素數(shù)據(jù)執(zhí)行對各色成分通過2次微分進行銳化處理的處理。
按照記錄到上述記錄媒體上的程序，2次微分對各色成分進行，所以，例如雖然在原圖像中是同等程度的濃度差但由于色相發(fā)生變化而形成了邊緣時，也可以將該區(qū)域識別為邊緣，從而可以進行邊緣的強調(diào)處理。
下面，簡要說明附圖及符號

圖1是表示本實施例利用拉普拉斯算子運算進行的銳化處理的流程的流程圖。
圖2是表示本發(fā)明的實施例的圖像輸出系統(tǒng)的概略結(jié)構(gòu)的框圖。
圖3是表示色差微分值的運算的流程的流程圖。
圖4是表示預先將參量λ和參量θ設(shè)定為適當?shù)闹挡⒗门c理想直線的偏離判斷法設(shè)定參量k的方法的流程圖。
圖5是表示對橫軸為原圖像的色差微分平均值、縱軸為各k的值進行銳化處理的圖像的色差微分平均值的曲線圖。
圖6是表示橫軸為k的值而縱軸為各k的值的比例常數(shù)ak的曲線圖。
圖7(a)表示在橫方向取各像素的位置而在縱方向取像素值的原圖像像素數(shù)據(jù)的概略的說明圖，圖7(b)表示原圖像的像素數(shù)據(jù)的1次微分值的說明圖，圖7(c)表示原圖像的像素數(shù)據(jù)的拉普拉斯算子值的說明圖，圖7(d)是表示由(1)式求的(原圖像像素數(shù)據(jù))-(拉普拉斯算子值)的說明圖。
圖8(a)是表示在發(fā)生噪音的圖像中在橫方向取各像素的位置而在縱方向取像素值的原圖像像素數(shù)據(jù)的說明圖，圖8(b)是表示由(1)式求的(原圖像像素數(shù)據(jù))-(拉普拉斯算子值)的說明圖。
圖9(a)是表示在邊緣比較明確的圖像中在橫方向取各像素的位置而在縱方向取像素值的原圖像像素數(shù)據(jù)的說明圖，圖9(b)是表示原圖像的像素數(shù)據(jù)的拉普拉斯算子值的說明圖，圖9(c)是表示由(1)式求的(原圖像像素數(shù)據(jù))-(拉普拉斯算子值)的說明圖。
附圖中，1-膠片掃描儀；2-圖象處理裝置；3-印相裝置；4-圖象處理運算部；5-表色系變換部；6-色差微分運算部；7-參量決定部。
實施例下面，根據(jù)圖1～圖6說明本發(fā)明的一個實施例。
圖2是表示本發(fā)明的實施例的圖像輸出系統(tǒng)的概略結(jié)構(gòu)的框圖。該圖像輸出系統(tǒng)具有膠片掃描儀1、圖象處理裝置2和印相裝置3。
膠片掃描儀1通過例如使光源的光照射到作為照片膠卷的底片上而由CCD(Charge Coupled Device)等接收其透過光，讀取記錄在底片上的圖像。該膠片掃描儀1將讀取的圖像數(shù)據(jù)按紅色成分、綠色成分和藍色成分向圖象處理裝置2輸出。
印相裝置3根據(jù)由圖象處理裝置2進行了處理的圖像數(shù)據(jù)通過對作為感光材料的印相紙曝光而將圖像印制到印相紙上。作為將與數(shù)字圖像數(shù)據(jù)相應的光照射到印相紙上的光頭，使用可以根據(jù)數(shù)字圖像數(shù)據(jù)而按各像素調(diào)制向印相紙照射的照射光的光調(diào)制元件。作為光調(diào)制元件，有例如PLZT曝光光頭、DMD(數(shù)字微型鏡元件)、LCD(液晶顯示裝置)、LED(LightEmitting Diode)板、激光器、FOCRT(FiberOptic Cathode Ray Tube)和CRT(Cathode Ray Tube)等。
印相裝置3，也可以采用能夠進行底片的掃描和印相紙的曝光這兩種操作的自動打印機構(gòu)成。這時，通過將照片處理裝置采用將進行從圖像的讀取到印制的自動打印機和由PC(Personal Computer)等構(gòu)成的圖象處理裝置2連接的結(jié)構(gòu)，便可將系統(tǒng)簡化。
圖象處理裝置2對從膠片掃描儀1傳送來的圖像數(shù)據(jù)進行銳化處理，并將進行了銳化處理的圖像數(shù)據(jù)供給照片印制裝置3。該圖象處理裝置2具有圖象處理運算部4、表色系變換部5、色差微分運算部6和參量決定部7。
圖象處理運算部4是對從膠片掃描儀1傳送來的圖像數(shù)據(jù)利用后面所述的拉普拉斯算子進行銳化處理的塊。表色系變換部5是對從膠片掃描儀1傳送來的圖像數(shù)據(jù)和由圖象處理運算部4進行了處理的圖像數(shù)據(jù)進行后面所述的表色系的變換處理的塊。色差微分運算部6是在由表色系變換部5變換了表色系的圖像數(shù)據(jù)中對各像素進行色差微分值的運算的塊。參量決定部7是決定在圖象處理運算部4的運算中所使用的參量的塊。
下面，詳細說明上述圖象處理裝置2的銳化處理的方法。在本實施例中，作為銳化處理，利用以下的方法進行拉普拉斯算子的處理。
設(shè)原圖像的各像素的R(紅)、G(綠)、B(藍)的像素值分別為fR(i,j)、fG(i,j)、fB(i,j)(i,j表示坐標)、進行拉普拉斯算子處理后的各像素值分別為gR(i,j)、gG(i,j)、gB(i,j)時，則本實施例的拉普拉斯算子的處理可以用下式表示。gR(i,j)=fR(i,j)-k’2fR(i,j)(3)gG(i,j)=fG(i,j)-k’2fG(i,j)(4)gB(i,j)=fB(i,j)-k’2fB(i,j)(5)在上式中，由’2f(i,j)所示的運算表示在本發(fā)明中新定義的拉普拉斯算子。關(guān)于其詳細情況，后面說明。
如上述(3)～(5)式那樣，本實施例的拉普拉斯算子的處理的特征在于，分別對原信號的R、G、B的像素值進行。與此相反，例如迄今即使是以彩色信息得到了原信號時也是將各像素的像素值變換灰色調(diào)，而僅根據(jù)明度進行拉普拉斯算子的處理。這時，對于明度基本上相同而由于色相發(fā)生變化而形成了邊緣的部分，則不能進行邊緣的強調(diào)處理。另一方面，在本實施例的拉普拉斯算子的處理中，如上述那樣，是對原圖像數(shù)據(jù)的R、G、B的各像素值分別進行拉普拉斯算子的處理的，所以，可以對在各色成分中像素值發(fā)生變化的部分進行強調(diào)處理。因此，對明度的變化當然可以進行邊緣的強調(diào)處理，對色相的變化也可以進行邊緣的強調(diào)處理。
另外，在上述(3)～(5)式中，k是用于控制邊緣強調(diào)的程度的參量。取k=1時，將和先有的拉普拉斯算子的運算一樣的運算分別對R、G、B的各像素值進行。如果取k＜1，就減弱邊緣的強調(diào)的程度，如果取k＞1，就加強邊緣的強調(diào)的程度。這樣，通過改變k的值，便可改變邊緣的強調(diào)的程度。
在上述(3)～(5)式中，對拉普拉斯算子的系數(shù)全部為相同的k，但是，也可以在各式中分別使用不同的系數(shù)。但是，在各式中分別使用不同的系數(shù)時，對各色成分的拉普拉斯算子運算的修正的強度將發(fā)生變化，所以，作為修正的對象的像素的色相將有可能發(fā)生顯著的變化。
下面，說明由上述’2fK(i,j)所示的拉普拉斯算子。上述’2fK(i,j)由下式定義。
數(shù)式2’2fK(i,j)=σi,jmin(|＂2fK(i,j)|,λ/ΔC(i,j)}(6) 在上述(6)式中，由＂2fK(i,j)所示的運算表示在本發(fā)明中進而新定義的拉普拉斯算子。關(guān)于其詳細情況，后面說明。另外，在上式中，ΔC(i,j)表示色差微分值。關(guān)于該色差微分值，后面說明。
如前所述，在原圖像中對本來邊緣部分就比較明確的區(qū)域進行拉普拉斯算子的處理時，將發(fā)生上沖和下沖現(xiàn)象，從而將成為不自然的圖像。這是因為在濃度差大的區(qū)域拉普拉斯算子的絕對值也大，從而強調(diào)邊緣而引起的濃度變化量增大的緣故。
為了抑制這樣的上沖和下沖現(xiàn)象，可以考慮設(shè)置拉普拉斯算子的絕對值的上限，但是，將該上限設(shè)定為一定值時，圖像中將會發(fā)生有模糊的區(qū)域和不模糊的區(qū)域或者有模糊的程度不同的區(qū)域等不理想的情況。這是由于以下所述的理由造成的。即，拉普拉斯算子的絕對值有邊緣越強而越大的傾向，所以，在邊緣越強的地方，越容易發(fā)生邊緣。為了抑制這種現(xiàn)象，必須使拉普拉斯算子的絕對值的上限與圖像中邊緣最強的區(qū)域一致。于是，對模糊的程度大的區(qū)域?qū)p弱銳化的程度。
因此，如上述(6)、(7)式那樣，通過設(shè)定’2fK(i,j)，可以在邊緣強的地方將拉普拉斯算子的絕對值的上限設(shè)定小而在邊緣弱的地方設(shè)定大。
在(6)式中，色差微分值ΔC(i,j)越大的區(qū)域，即像素值的變化量越大的區(qū)域拉普拉斯算子的絕對值的上限就越小，這相當于在邊緣強的地方減小拉普拉斯算子的絕對值的上限。另外，色差微分值ΔC(i,j)越小的區(qū)域即像素值的變化量越小的區(qū)域拉普拉斯算子的絕對值的上限就越大，這相當于在邊緣弱的地方增大拉普拉斯算子的絕對值的上限。
另外，在(6)式中，增大λ的值時，拉普拉斯算子的絕對值的上限就增大，從而上沖和下沖現(xiàn)象的抑制效果就減小。另外，減小λ的值時，拉普拉斯算子的絕對值的上限就減小，從而上沖和下沖現(xiàn)象的抑制效果就增大。即，λ就成為控制上沖和下沖現(xiàn)象的抑制效果的參量。
上述(6)、(7)式是在設(shè)定拉普拉斯算子的絕對值的上限同時可以在邊緣強的地方將該上限設(shè)定小而在邊緣弱的地方設(shè)定大的運算的一例，只要是具有同樣的功能的運算，不論使用什么樣的運算式都可以。另外，在(6)、(7)式的運算中，對拉普拉斯算子設(shè)置了上限和/或下限，是具有限幅器的效果的運算，但是，也可以例如對拉普拉斯算子的絕對值設(shè)置閾值從而設(shè)定具有超過該閾值的部分就采用以某一比率壓縮的值的壓縮器的效果的運算式。
下面，說明由在上述(6)式中使用的＂2fK(i,j)所示的拉普拉斯算子。上述＂2fK(i,j)由下式定義。
數(shù)式3＂2fK(i,j)≡δi,j(1,0){f(i+1,j)-f(i,j)}+δi,j(-1,0){f(i-1,j)-f(i,j)}+δi,j(0,1){f(i,j+1)-f(i,j)}+δi,j(0,-1){f(i,j-1)-f(i,j)}+δi,j(1,1){f(i+1,j+1)-f(i,j)}+δi,j(-1,1){f(i-1,j+1)-f(i,j)}+δi,j(1,-1){f(i+1,j-1)-f(i,j)}+δi,j(-1,-1){f(i-1,j-1)-f(i,j)}(8)其中， 如前所述，對在原圖像中發(fā)生了噪音的區(qū)域進行拉普拉斯算子的處理時，將放大該噪音，從而將使畫質(zhì)劣化。為了抑制這種噪音的放大，如上述(8)、(9)式那樣定義拉普拉斯算子，在與相鄰的像素的濃度差小于常數(shù)θ時，在對該像素的拉普拉斯算子就不包含該相鄰的像素的影響。即，將判定噪音對于周邊的像素，其濃度差是比較小的。
在(8)、(9)式中，如果增大θ的值，抑制噪音的放大的效果將增大，但是，將減弱拉普拉斯算子的處理的強調(diào)效果。另外，如果減小θ的值，抑制噪音的放大的效果將減小，但是，將加強拉普拉斯算子的處理的強調(diào)效果。即，θ成為控制噪音的放大的抑制效果的參量。
上述(8)、(9)式是可以抑制噪音的放大的運算的一例，只要是具有同樣的功能的運算，不論使用什么樣的運算式都可以。例如，在(9)式中，δi,j(1,0)取1或0占某一個值，但是，也可以是根據(jù)|f(i+1,j)-f(i,j)|的大小而變化的函數(shù)值。
下面，詳細說明上述色差微分值ΔC(i,j)。首先，說明L*a*b*表色系和色差。
在2個知覺色之間所知覺的色的差異稱為色差。在知覺色空間，實現(xiàn)色差的均等性的空間稱為均等色空間。作為均等色空間而規(guī)定的有CIE(國際照明委員會Commission International de l’Eclairage)1964U*V*W*色空間、CIE1976 L*u*v*色空間和CIE1976L*a*b*色空間等，這里，使用L*a*b*色空間。從圖像數(shù)據(jù)的RGB色空間向L*a*b*色空間的變換，利用以下的式子進行。
首先，使用以下的式子將RGB表色系變換為CIEXYZ表色系。
數(shù)式4
其次，變換為(Xc,Y,Zc)數(shù)據(jù)。
數(shù)式5
其中，(11)式的系數(shù)是為了對于R=G=B=1而將(10)式的X,Z規(guī)格化而導入的。對于該(Xc,Y,Zc)數(shù)據(jù)，可以利用下式求明度指數(shù)L和知覺色度指數(shù)(a,b)。
數(shù)式6
其中，V(x)=11.6x1/3-1.6(x＞0.01)(13)因此，有數(shù)式7
其中，成為問題的是(14)式中的第1式，如果取Y=1，則有L=92.0。由于L*是要成為Munsell值的10倍而作成的，所以，在Y=1時，最好L=100.0。因此，如果對(14)式的各式乘以100.0/92.0=1.087，則可得到下式。但是，將符號變換為L→L*、a→a*、b→b*，同時將系數(shù)取整。
數(shù)式8
利用該(15)式定義L*a*b*色空間。并且，可以利用下式求代表L*a*b*色空間的2個知覺色的2點間的直線距離即色差ΔE。
ΔE=[(ΔL*)2+(Δa*)2+(Δb*)2]1/2(16)并且，對各像素點(i,j)，將其與所有的相鄰點的色差ΔE中最大的色差作為該像素點的色差微分值ΔC(i,j)。這樣定義時，在彩色圖像中的邊界線區(qū)域，ΔC(i,j)的值增大，而在其他的區(qū)域，ΔC(i,j)的值減小。
這里，根據(jù)上述定義試對實際的彩色圖像數(shù)據(jù)進行色差微分時，可知在圖像中的暗的區(qū)域中，在不是邊界線區(qū)域的區(qū)域?qū)⒊霈F(xiàn)大的色差微分值。由于在暗的區(qū)域即(Xc,Y,Zc)的數(shù)據(jù)值小的區(qū)域，由上述(13)式給定的V(x)在x的值小的范圍內(nèi)具有大的斜率，所以，可以認為這是由于微小的(Xc,Y,Zc)的數(shù)據(jù)值之差采用(L*,a*,b*)的數(shù)據(jù)之差而增大所引起的。
因此，在本實施例中，將L*a*b*表色系進行以下的修正。首先，對于V(x)，為了使之在x的值小的范圍內(nèi)斜率不用增大，如下式所示的那樣，重新定義，以使斜率的大小保持一定。V(x)=10x(17)這樣定義V(x)時，L*、a*、b*分別可以用下式表示。
數(shù)式9
如上述那樣修正L*a*b*表色系后，和上述一樣對實際的彩色圖像數(shù)據(jù)試進行色差微分時，在圖像中的暗的區(qū)域中，在不是邊界線區(qū)域的區(qū)域就不會再出現(xiàn)大的色差微分值。但是，在圖像中的明亮的區(qū)域中，可知在不是邊界線區(qū)域的區(qū)域中將出現(xiàn)大的色差微分值。這是由于在x的值小的范圍內(nèi)V(x)的斜率比修正前小而在x的值大的范圍內(nèi)V(x)的斜率比修正前大的緣故。
因此，為了靈活地應用修正前和修正后的L*a*b*表色系的特性，進而進行以下的修正。即，在x的值大的范圍內(nèi)使用修正前的V(x)，在x的值小的范圍內(nèi)使用修正后的V(x)。分界處的x的值采用在修正前的V(x)=11.6x1/3-1.6((13)式)中斜率的大小為10的點即x=0.2404。如果用公式表示，則為數(shù)式10
在本實施例中，L*a*b*表色系僅用于色差的計算，色差僅由(ΔL*,Δa*,Δb*)的數(shù)據(jù)值決定，所以，(L*,a*,b*)的數(shù)據(jù)值本身并不重要。因此，僅ΔV(x)即V(x)的斜率的大小才是重要的，與V(x)本身的值無關(guān)。因此，在上述(19)式中，V(x)在x=0.2404連續(xù)，而在x≥0.2404的范圍內(nèi)，則給V(x)加上-3.209的偏置。
并且，通過對由(19)式求的V(x)應用下式，進一步修正L*a*b*表色系。
數(shù)式11
在由該(20)式定義的修正L*a*b*色空間，根據(jù)上述(16)式計算色差ΔE，對各像素點(i,j)，將其與所有的相鄰點的色差ΔE中最大的色差作為該像素點的色差微分值ΔC(i,j)。并且，使用這樣求出的色差微分值ΔC(i,j)進行上述(6)式的運算。
下面，根據(jù)圖3的流程圖說明上述色差微分值的運算的流程。
首先，從輸入的圖像數(shù)據(jù)中設(shè)定注目像素(步驟1，以后稱為S1)。其次，將由RGB表色系輸入的注目像素的數(shù)據(jù)變換為XYZ表色系的數(shù)據(jù)(S2)。并且，根據(jù)由(19)式分為不同情況的式子，利用(20)式將XYZ表色系變換為修正的L*a*b*表色系(S3)。
其次，根據(jù)變換為修正的L*a*b*表色系的圖像數(shù)據(jù)計算注目像素與其附近的8像素的色差(S4)。并且，將這些色差中取最大的值的色差作為色差微分值進行存儲(S5)。
然后，在S6，確認對全部像素的色差微分值的計算是否結(jié)束，在未結(jié)束時就返回到S1，反復進行上述處理。
使用上述那樣求出的色差微分值，也可以抽出輸入的圖像中的邊界線。例如，在所有的像素的色差微分值中，從其值大的一方開始，預先將與15％相當?shù)南袼厝?，而將其他的像素取為0。并且，畫出在圖像數(shù)據(jù)中為0的像素和1的像素的分布狀態(tài)，通過用線連結(jié)由1的像素所占據(jù)的區(qū)域的中心附近，便可抽出邊界線。另外，以上舉出了將色差微分值進行取為0和1的二進制處理而抽出邊界線的例子，但是，也可以通過采用二進制以即n值化(n=3,4,…)而抽出邊界線。
下面，根據(jù)圖1的流程圖說明本實施例利用拉普拉斯算子運算反映銳化處理的流程。
首先，在原圖像的圖像數(shù)據(jù)中設(shè)定注目像素(S11)。并且，對各色成分求注目像素與注目像素附近的8像素的像素值的差分(S12)。根據(jù)該差分利用上述(9)式?jīng)Q定上述(8)式的各項的系數(shù)，并求＂2fK(i,j)(S13)。
其次，用上述(7)式判斷＂2fK(i,j)的正負，同時比較＂2fK(i,j)的絕對值與λ/ΔC(i,j)的大小，利用上述(6)式求＂2fK(i,j)(S14)。并且，根據(jù)該＂2fK(i,j)，利用上述(3)～(5)式生成銳化處理圖像數(shù)據(jù)(S15)。
然后，在S16，確認對全部像素的銳化處理是否結(jié)束，在未結(jié)束時就返回到S11，反復進行上述處理。
如上所述，本實施例的利用拉普拉斯算子運算的銳化處理，通過分別改變在(3)～(5)式中使用的用于控制邊緣強調(diào)的程度的參量k、在(6)和(7)式中使用的控制上沖和下沖現(xiàn)象的抑制效果的參量λ和在(8)和(9)式中使用的控制噪音的放大的抑制效果的參量θ可以改變銳化處理的程度。因此，可以根據(jù)圖像的用途和目的改變銳化的作用程度。
例如，在通常作為快攝照片而拍攝的照片圖像中，在應合焦的區(qū)域發(fā)生模糊時，在先有的銳化處理中，則發(fā)生噪音被放大、產(chǎn)生上沖和下沖現(xiàn)象以及對不需要合焦的區(qū)域進行了銳化處理等問題。與此相反，如果是本實施例的銳化處理，通過適當?shù)馗淖兩鲜?個參量，對已合焦的區(qū)域和不需要合焦的區(qū)域可以減弱銳化的程度，而對發(fā)生了模糊并且希望合焦的區(qū)域可以進行適度的銳化處理。
作為設(shè)定上述3個參量的數(shù)值的方法，可以考慮將進行銳化處理的圖像顯示在顯示器等上并由操作人員通過手動改變各參量，確認銳化的程度來決定各參量的方法。該方法是由操作人員確認銳化的程度來決定參量的，所以，可以將銳化的程度設(shè)定為操作人員認為最佳的狀態(tài)。但是，在必須處理多個圖像時，將發(fā)生處理時間增加和對操作人員的負擔增大的問題。
因此，考慮了自動地設(shè)定上述3各參量的方法。例如，可以考慮從輸入的圖像數(shù)據(jù)中抽出幾種表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)并通過將這些數(shù)據(jù)輸入指定的算法而設(shè)定上述3個參量的方法。作為上述算法，可以應用例如神經(jīng)網(wǎng)絡(luò)或遺傳算法等以及其他最合適的探索算法等。
在實際進行本實施例的銳化處理時，在上述3參量中，參量λ和參量θ與參量k相比，對于銳化處理適當?shù)闹档姆秶容^大，從而伴隨該變化的銳化處理的程度的變化就比較小。因此，使用預先將參量λ和參量θ設(shè)定為適當?shù)闹刀鶕?jù)輸入的圖像數(shù)據(jù)自動地設(shè)定參量k的方法，也可以充分地進行銳化處理的狀態(tài)的控制。下面，說明僅自動地設(shè)定該參量k的參量設(shè)定方法。
這里，先說明參量k的值與上述色差微分值的平均值(色差微分平均值)的關(guān)系。
對共計40張采樣圖像，將參量k的值分別改變?yōu)閗=0.200、0.400、0.600，研究色差微分平均值的變化。圖5是表示橫軸為原圖像的色差微分平均值、縱軸為對各k的值進行了銳化處理的圖像的色差微分平均值的曲線圖。這樣，便可知道色差微分平均值的變化對于各k的值基本上排列在通過原點的一條直線上。即，對于各k的值，處理后的圖像的色差微分平均值與原圖像的色差微分平均值成正比地變化。下面，試求該比例常數(shù)。
對40張采樣圖像分配圖像號碼1～40，對于圖像號碼i(i=1、2、…、40)的圖像，設(shè)原圖像的色差微分平均值為ΔCoim、對參量k進行了銳化處理的圖像的色差微分平均值為ΔCkim。
用參量k進行了銳化處理的圖像的色差微分平均值按比例常數(shù)ak與原圖像的色差微分平均值成正比地變化時，其誤差εi和誤差εi的平方和S可以用下式表示。
數(shù)式12εi=ΔCkim-(ak·ΔCoim)(21)S=∑εi2=Σ(ΔCkim-(ak·ΔCoim))2(22)為了求比例常數(shù)ak，可以求使上述誤差εi的平方和S為最小的ak。使S為最小的ak，可以如以下所示的(23)式那樣，通過求解令S的1次微分為0的方程式而如(24)式那樣求出。
數(shù)式13dS/dak=-2∑ΔCoim(ΔCkim-(ak·ΔCoim))=0(23)ak=∑(ΔCoim·ΔCkim)/∑(ΔCoim)2(24)根據(jù)(24)式，如果求k=0.200、0.400、0.600時的比例常數(shù)，則得數(shù)式14
根據(jù)上述結(jié)果可知，比例常數(shù)ak隨著k的值增大而增加，但是，其增加的比率減小。即，可以認為，在增大k的值時，色差微分平均值也增加，但是，其增加的比率在減小。
圖6表示橫軸為k的值、縱軸為各k的值的比例常數(shù)ak的曲線圖。如圖6所示，在k的值比較小的范圍內(nèi)，比例常數(shù)ak與k的值的增大成正比地增加，但是，隨著k的值的增大，比例常數(shù)ak的增加的比率減小。即，比例常數(shù)ak的增加存在飽和的k的值。
這里，將在k的值比較小的范圍內(nèi)根據(jù)比例關(guān)系求出的直線定義為理想直線。這時，如果k的值增大，實際的比例常數(shù)ak將偏離理想直線。下面，說明著眼于與該理想直線的偏離來決定成為飽和狀態(tài)的k的值的與理想直線的偏離判斷法。
可以認為，原圖像的色差微分平均值越大，將飽和狀態(tài)的判斷所使用的與理想直線的偏離的值設(shè)定得越大的方法可以得到更自然的銳化結(jié)果。這里，為了進行規(guī)格化，利用下式定義相對色差微分平均值(ΔCknm)rel。(ΔCknm)x-1=ΔCknm/ΔCko(n=0,1,2,…)(26)
另外，假定理想直線通過與原圖像對應的點(k0=0,(ΔCkom)rel=1)，并使用2點(k1,(ΔCk1m)rel)、(k2,(ΔCk2m)rel)表示其斜率a時，則得數(shù)式15a=k1·{(ΔCk1m)rel-1}+k2·{(ΔCk1m)rel-1}k12+k22(27)]]>并且，如下式那樣定義與理想直線的偏離δkn。δkn=i(a·kn+1)-(ΔCknm)rel(n=1,2,…) (28)這里，在滿足δkn≥d時，與理想直線的偏離就大，即判定處于了飽和的狀態(tài)，設(shè)滿足該關(guān)系的最小的kn為kemph。將該kemph設(shè)定為在上述銳化處理中使用的參量k。
以上所述，是利用與理想直線的偏離判斷法來決定kemph的，但是，并不僅限于此，也可以應用例如斜率變化率判斷法等。
所謂斜率變化率判斷法，就是根據(jù)畫出色差微分平均值的曲線的斜率，著眼于其變化率來判斷是否為飽和狀態(tài)的方法。設(shè)色差微分平均值的參量k的間隔為0.025時，則與第n(n=0、1、2、…)個對應的參量k的值kn為kn=0.025×n(n=0、1、2、…)(29)設(shè)用k=kn進行銳化處理的圖像的色差微分平均值為ΔCknm，就用下式定義所畫的曲線的斜率的大小。在下式中，取n=1、2、…。Δkn=(ΔCknm-ΔCkn-1m)/(kn-k(n-1))(30)使用(30)式，將斜率變化率ρkn用下式定義。ρkn=(Δk1-Δkn)/Δkn(n=1、2、…)(31)這里，在滿足|ρkn|≥p時，就判定偏離直線并處于飽和狀態(tài)，將滿足該式的最小的kn作為kemph。
在與理想直線的偏離判斷法中，根據(jù)實驗結(jié)果，確認了在作為是飽和狀態(tài)的δkn≥d,δkn單調(diào)地增加。另一方面，在斜率變化率判斷法中，根據(jù)實驗結(jié)果，確認了在作為是飽和狀態(tài)的|ρkn|≥p的范圍內(nèi)，|ρkn|不一定單調(diào)地增加。即，用比視為是飽和狀態(tài)并且是銳化的狀態(tài)大的k的值，卻得到看來是不銳化的狀態(tài)。例如，由于斜率變化率判斷法所描繪的點的隨機性高，所以，在改變所畫的參量k的間隔時，有可能將完全不同的值選擇為kemph了。根據(jù)以上所述，可以認為，在設(shè)定適合于自然的銳化的參量k的值kemph時，與理想直線的偏離判斷法的可靠性高。
下面，說明為了利用與理想直線的偏離判斷法決定kemph而按一定的步長改變k的值并通過計算其偏離量來探索成為飽和狀態(tài)的k的值的最小值的方法。
這里，例如設(shè)想在k=0.500進入飽和狀態(tài)的情況。這時，在上述的探索中，將改變k的值時的步長取為例如0.025時，要判定「適合于自然的銳化的參量kemph為0.500」，則必須求21次色差微分平均值，要進行很多無謂的運算。
因此，利用在與理想直線的偏離δkn在δkn≥d的范圍內(nèi)基本上可靠地單調(diào)增加和即使參量k的值有約0.025的差異而在處理后的圖像中也不會發(fā)生肉眼可以判別的差別的情況，而將上述步長設(shè)定為0.050。但是，為了理想直線采用和步長為0.025時相同的直線，在進行k=0.025的運算后，在k≥0.050的范圍內(nèi)，將步長取為0.050。通過如上述那樣設(shè)定步長，可以將求kemph所需要的運算次數(shù)減半。
但是，在以的方法中，求kemph所需要的運算的次數(shù)也要12次。因此，為了進一步減少求kemph所需要的運算的次數(shù)的平均值，變更按照以下的算法進行運算的順序。但是，必須求在以下的算法中所使用的跳躍數(shù)s，下面，說明設(shè)定s=2時的算法。
首先，對k=0.000、0.025、0.050求相對色差微分平均值，按照上述(27)式求理想直線。并且，使所畫的參量k的值僅跳過跳躍數(shù)s，對k=0.200、0.350、0.500、…求相對色差微分平均值，同時，求各個值的與理想直線的偏離，并將開始時滿足δkn≥d的k的值作為k(2)。并且，對k(2)-0.100、k(2)-0.050求相對色差微分平均值，同時求各個值的與理想直線的偏離。在這些值中滿足δkn≥d時，就將這時的k的值作為kemph，在沒有滿足δkn≥d的值時，就將k(2)作為kemph。
按照以上的算法，將和以步長0.050順序描繪時相同的值選擇為kemph，便可減少平均的描繪次數(shù)。例如，在kemph=0.500時，求直至到該值為止的相對色差微分平均值的次數(shù)就下降到8次。
下面，作為銳化處理的一個實施例，參照圖4所示的流程圖說明如上述那樣預先將參量λ和參量θ設(shè)定為適當?shù)闹刀门c理想直線的偏離判斷法設(shè)定參量k的方法。
首先，在S21，設(shè)定參量λ和參量θ的值。這些設(shè)定值，采用根據(jù)實驗結(jié)果而適當設(shè)定的固定值。
其次，在S22，根據(jù)作為進行銳化處理的圖像而輸入的原信號，對各像素求其色差微分值ΔC(i,j)。并且，根據(jù)對所有的像素得到的色差微分值ΔC(i,j)求該原信號的色差微分平均值ΔCom(S23)。所謂原信號的色差微分平均值，就是和將參量k取為0時的銳化處理圖像的色差微分平均值同等的平均值。
然后，在S24，在k=0.025的狀態(tài)，作成銳化處理圖像，對各像素求其色差微分值ΔC(i,j)，并求銳化處理圖像的色差微分平均值ΔCom。同樣，在S25，在k=0.050的狀態(tài)，作成銳化處理圖像，對各像素求其色差微分值ΔC(i,j)，并求銳化處理圖像的色差微分平均值ΔCom。
并且，根據(jù)在S23求出的原信號的、在S24求出的k=0.025的色差微分平均值和在S25求出的k=0.050的色差微分平均值計算理想直線的斜率(S26)。
然后，從k=0.200開始，以0.150的間隔改變k的值，同時對各個k的值計算與理想直線的偏離δkn(S27)。并且，將與理想直線的偏離δkn滿足δkn≥d的最初的k的值設(shè)定為k(2)(S28) 。
然后，對k(2)-0.100、k(2)-0.050求相對色差微分平均值，同時求各個值的與理想直線的偏離(S29)。在這些值中滿足δkn≥d時(在S210為YES(Y))，就將這時的k的值作為kemph(S211)。另一方面，在沒有滿足δkn≥d的值時(在S210為NO)，就將k(2)作為kemph(S212)。
并且，將上述kemph設(shè)定為k，同時使用在S21設(shè)定的參量λ和參量θ的值對輸入的原圖像進行銳化處理(S213)，然后，結(jié)束處理。
以上說明的圖像輸出方法，可以由圖像的銳化處理功能的程序來實現(xiàn)。該程序存儲在可以由計算機讀取的記錄媒體上。這時，圖2所示的圖象處理裝置2由計算機構(gòu)成。并且，作為上述記錄媒體，可以是由構(gòu)成圖象處理裝置2的計算機所具有的微處理器進行處理所需要的存儲器，例如ROM本身可以是程序媒體，另外，作為外部存儲裝置，可以是設(shè)置程序讀取裝置并通過將記錄媒體插入其中而可以讀取的程序媒體。
不論是哪種情況，存儲的程序都可以由上述計算機所具有的微處理器訪問并執(zhí)行，或者不論哪種情況都可以讀出程序，并且讀出的程序下載到微處理器的程序存儲區(qū)域，從而是執(zhí)行該程序的方式。假定該下載用的程序預先存儲在本體裝置中。
這里，上述程序媒體是構(gòu)成為可以與本體分離的記錄媒體，可以是磁帶或盒式磁帶等帶系列、軟盤或硬盤等磁盤或CD-ROM/MO/MD/DVD等光盤的盤系列、IC卡(包括存儲卡)/光卡等卡系列，或者包含掩膜ROM、EPROM、EEPROM、閃存(ROM)等半導體存儲器的固定的保持程序的媒體。
另外，在本發(fā)明中，可以采用可以與因特網(wǎng)的通信網(wǎng)絡(luò)連接的系統(tǒng)結(jié)構(gòu)，為了從通信網(wǎng)絡(luò)中下載程序，可以是流動地保持程序的媒體。這樣，在從通信網(wǎng)絡(luò)中下載程序時，該下載用的程序可以預先存儲在本體裝置中，或者從別的記錄媒體中獲得。
作為存儲在記錄媒體中的內(nèi)容，不限定程序，也可以是數(shù)據(jù)。
如上所述，本發(fā)明1所述的圖象處理方法，是根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理方法，是通過變更根據(jù)原圖像的圖像數(shù)據(jù)決定取負的2次微分的大小的第1參量來控制銳化處理的程度的方法。
這樣，通過根據(jù)在原圖像中發(fā)生的模糊的狀態(tài)變更第1參量，便可進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明2所述的圖象處理方法，是從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而決定上述第1參量的方法。
這樣，除了本發(fā)明1所述的方法的效果外，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明3所述的圖象處理方法，是根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理方法，是上述2次微分可以由注目像素與其附近的多個像素的像素值的差分的總和而得到，同時對上述各差分乘以系數(shù)并且各系數(shù)根據(jù)對應的差分的大小而變化的方法。
這樣，例如，如果設(shè)定為差分的大小越大而對應的系數(shù)的大小也越大，則2次微分可以減小差分的大小小的附近像素的影響。因此，例如在附近像素中發(fā)生微小的噪音時等，便可抑制該噪音的影響包含在2次微分中，所以，可以抑制通過銳化處理而強調(diào)了噪音。
本發(fā)明4所述的圖象處理方法，是上述系數(shù)在上述差分的大小大于第2參量時和上述差分的大小小于第2參量時設(shè)定為不同的值、同時通過變更上述第2參量來控制銳化的程度的方法。
這樣，除了本發(fā)明3所述的方法的效果外，例如，如果將上述系數(shù)在上述差分的大小大于第2參量時設(shè)定為大的值而在上述差分的大小小于第2參量時設(shè)定為小的值，就和上述一樣，例如在附近像素中發(fā)生微小的噪音時等，可以抑制在2次微分中包含該噪音的影響。另外，通過根據(jù)原圖像的圖像狀態(tài)變更第2參量，可以進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明5所述的圖象處理方法，是從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)并通過將這些數(shù)據(jù)輸入指定的算法而設(shè)定上述第2參量的方法。
這樣，除了本發(fā)明4所述的方法的效果外，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明6所述的圖象處理方法，是根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理方法，是對上述2次微分設(shè)置上限和/或下限并通過變更決定該上限和/或下限的第3參量來控制銳化的程度的方法。
這樣，便可抑制在進行了銳化處理的圖像中發(fā)生上沖和下沖現(xiàn)象的問題。另外，根據(jù)原圖像的圖像狀態(tài)變更上限和/或下限，可以進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明7所述的圖象處理方法，是由用色差微分值除上述第3參量的值決定上述上限和/或下限的方法。
這樣，除了本發(fā)明6所述的方法的效果外，對在原圖像中已充分強調(diào)了邊緣的區(qū)域，通過減小上限和/或下限的絕對值，便可防止2次微分大到不必要的程度，從而可以抑制超過所需要的銳化處理。另外，對在原圖像中發(fā)生了某種程度的模糊的區(qū)域，通過增大上限和/或下限的絕對值，2次微分便可比較大，從而可以可靠地進行銳化處理。
本發(fā)明8所述的圖象處理方法，是從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)并通過將這些數(shù)據(jù)輸入指定的算法而設(shè)定上述第3參量的方法。
這樣，除了本發(fā)明6或7所述的方法的效果外，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明9所述的圖象處理方法，是對原圖像的像素數(shù)據(jù)按各色成分利用2次微分進行銳化處理的方法。
這樣，除了本發(fā)明1～8的任一項發(fā)明所述的方法的效果外，在例如在原圖像中雖然是同等程度的濃度差但由于色相發(fā)生變化而形成邊緣時，也可以將該區(qū)域識別為邊緣從而可以進行邊緣的強調(diào)處理。
本發(fā)明10所述的記錄圖象處理程序的記錄媒體，是記錄使計算機執(zhí)行根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理的圖象處理程序的記錄媒體，是通過變更根據(jù)原圖像的圖像數(shù)據(jù)而取負的2次微分的大小的第1參量而使計算機執(zhí)行控制銳化處理的程度的處理的結(jié)構(gòu)。
這樣，通過根據(jù)在原圖像中發(fā)生的模糊的狀態(tài)變更第1參量，便可進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明11所述的記錄圖象處理程序的記錄媒體，是使計算機執(zhí)行從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)并通過將這些數(shù)據(jù)輸入指定的算法而決定上述第1參量的處理的結(jié)構(gòu)。
這樣，除了本發(fā)明10所述的結(jié)構(gòu)的效果外，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明12所述的記錄圖象處理程序的記錄媒體，是記錄使計算機執(zhí)行根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理的圖象處理程序的記錄媒體，是上述2次微分由注目像素與其附近的多個像素的像素值的差分的總和得到，同時使計算機執(zhí)行對上述各差分乘以系數(shù)并且各系數(shù)根據(jù)對應的差分的大小而變化的處理的結(jié)構(gòu)。
這樣，例如，如果充分的大小越大將對應的系數(shù)的大小設(shè)定得越大，2次微分就可以減小充分的大小小的附近像素的影響。因此，例如在附近像素處發(fā)生微小的噪音時等，便可抑制該噪音的影響包含在2次微分中，所以，可以抑制由于銳化處理而噪音得到強調(diào)的情況。
本發(fā)明13所述的記錄圖象處理程序的記錄媒體，是上述系數(shù)在上述差分的大小大于第2參量時和上述差分的大小小于第2參量時設(shè)定為不同的值，同時，通過變更上述第2參量使計算機執(zhí)行控制銳化的程度的處理的結(jié)構(gòu)。
這樣，除了本發(fā)明12所述的結(jié)構(gòu)的效果外，例如，如果在上述差分的大小大于第2參量時將上述系數(shù)設(shè)定為大的值而在上述差分的大小小于第2參量時設(shè)定為小的值，就和上述一樣，例如在附近像素處發(fā)生微小的噪音時等，就可以抑制該噪音的影響包含在2次微分中。另外，通過根據(jù)原圖像的圖像狀態(tài)變更第2參量，便可進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明14所述的記錄圖象處理程序的記錄媒體，是從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而使計算機執(zhí)行設(shè)定上述第2參量的處理的結(jié)構(gòu)。
這樣，除了本發(fā)明13所述的結(jié)構(gòu)的效果外，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明15所述的記錄圖象處理程序的記錄媒體，是記錄使計算機執(zhí)行根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理的圖象處理程序的記錄媒體，是對上述2次微分設(shè)置了上限和/或下限，通過變更決定該上限和/或下限的第3參量，使計算機執(zhí)行控制銳化的程度的處理的結(jié)構(gòu)。
這樣，便可抑制在進行了銳化處理的圖像中發(fā)生上沖和下沖現(xiàn)象的問題。另外，根據(jù)原圖像的圖像狀態(tài)變更上限和/或下限的值，可以進行用以成為所希望的銳化的狀態(tài)的圖象處理。
本發(fā)明16所述的記錄圖象處理程序的記錄媒體，是使計算機執(zhí)行通過用色差微分值除上述第3參量的值決定上述上限和/或下限的處理的結(jié)構(gòu)。
這樣，除了本發(fā)明15所述的結(jié)構(gòu)的效果外，對在原圖像中充分強調(diào)了邊緣的區(qū)域通過減小上限和/或下限的絕對值，防止2次微分不必要地增大，從而可以抑制超過所需要的銳化處理。另外，對在原圖像中發(fā)生了某種程度的模糊的區(qū)域通過增大上限和/或下限的絕對值，2次微分則變得比較大，從而可以可靠地進行銳化處理。
本發(fā)明17所述的記錄圖象處理程序的記錄媒體，是從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而使計算機執(zhí)行設(shè)定上述第3參量的處理的結(jié)構(gòu)。
這樣，除了本發(fā)明15或16所述的結(jié)構(gòu)的效果外，在必須處理多個圖像時等，可以減少處理時間和減輕操作人員的負擔。
本發(fā)明18所述的記錄圖象處理程序的記錄媒體，是使計算機對原圖像的像素數(shù)據(jù)執(zhí)行對各色成分通過2次微分進行銳化處理的處理的結(jié)構(gòu)。
這樣，除了本發(fā)明10～17的任一項發(fā)明所述的結(jié)構(gòu)的效果外，例如雖然在原圖像中是同等程度的濃度差但由于色相發(fā)生變化而形成了邊緣時，也可以將該區(qū)域識別為邊緣，從而可以進行邊緣的強調(diào)處理。
權(quán)利要求
1．一種圖象處理方法，是根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理方法，其特征在于通過變更根據(jù)原圖像的圖像數(shù)據(jù)決定取負的2次微分的大小的第1參量，來控制銳化處理的程度。
2．根據(jù)權(quán)利要求1所述的圖象處理方法，其特征在于從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法，來設(shè)定上述第1參量。
3．一種圖象處理方法，是根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理方法，其特征在于所述2次微分可以由注目像素與位于其附近的多個像素的像素值的差分的總和而得到，同時，將所述各差分乘以系數(shù)，各系數(shù)根據(jù)對應的差分的大小而變化。
4．根據(jù)權(quán)利要求3所述的圖象處理方法，其特征在于所述系數(shù)在所述差分的大小大于第2參量時和上述差分的大小小于第2參量時設(shè)定為不同的值，同時，通過變更上述第2參量而控制銳化的程度。
5．根據(jù)權(quán)利要求4所述的圖象處理方法，其特征在于從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而設(shè)定所述第2參量。
6．一種圖象處理方法，是根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理方法，其特征在于對所述2次微分設(shè)置了上限和/或下限，通過變更決定該上限和/或下限的第3參量來控制銳化的程度。
7．根據(jù)權(quán)利要求6所述的圖象處理方法，其特征在于所述上限和/或下限由用色差微分值除上述第3參量的值決定。
8．根據(jù)權(quán)利要求6或7所述的圖象處理方法，其特征在于從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法來設(shè)定所述第3參量。
9．根據(jù)權(quán)利要求1～8的任一權(quán)項所述的圖象處理方法，其特征在于對原圖像的像素數(shù)據(jù)利用2次微分對各色成分進行銳化處理。
10．一種記錄了圖象處理程序的記錄媒體，是記錄了使計算機執(zhí)行根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理的圖象處理程序的記錄媒體，其特征在于通過變更根據(jù)原圖像的圖像數(shù)據(jù)而取負的2次微分的大小的第1參量而使計算機執(zhí)行控制銳化處理的程度的處理。
11．根據(jù)權(quán)利要求10所述的記錄了圖象處理程序的記錄媒體，其特征在于使計算機執(zhí)行從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)并通過將這些數(shù)據(jù)輸入指定的算法而決定上述第1參量的處理。
12．一種記錄了圖象處理程序的記錄媒體，是記錄了使計算機執(zhí)行根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理的圖象處理程序的記錄媒體，其特征在于所述2次微分由注目像素與其附近的多個像素的像素值的差分的總和得到，同時使計算機執(zhí)行對所述各差分乘以系數(shù)并且各系數(shù)根據(jù)對應的差分的大小而變化的處理。
13．根據(jù)權(quán)利要求12所述的記錄了圖象處理程序的記錄媒體，其特征在于所述系數(shù)在所述差分的大小大于第2參量時和上述差分的大小小于第2參量時設(shè)定為不同的值，同時，通過變更所述第2參量使計算機執(zhí)行控制銳化的程度的處理。
14．根據(jù)權(quán)利要求13所述的記錄了圖象處理程序的記錄媒體，其特征在于從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而使計算機執(zhí)行設(shè)定所述第2參量的處理。
15．一種記錄了圖象處理程序的記錄媒體，是記錄了使計算機執(zhí)行根據(jù)原圖像的圖像數(shù)據(jù)通過將把原圖像的圖像數(shù)據(jù)的分布作為函數(shù)所區(qū)域的各像素的2次微分取負而進行銳化處理的圖象處理的圖象處理程序的記錄媒體，其特征在于對所述2次微分設(shè)置了上限和/或下限，通過變更決定該上限和/或下限的第3參量，使計算機執(zhí)行控制銳化的程度的處理。
16．根據(jù)權(quán)利要求15所述的記錄了圖象處理程序的記錄媒體，其特征在于使計算機執(zhí)行通過用色差微分值除所述第3參量的值決定上述上限和/或下限的處理。
17．根據(jù)權(quán)利要求15或16所述的記錄了圖象處理程序的記錄媒體，其特征在于從輸入的圖像數(shù)據(jù)中抽出表示該圖像數(shù)據(jù)的特征的數(shù)據(jù)，通過將這些數(shù)據(jù)輸入指定的算法而使計算機執(zhí)行設(shè)定所述第3參量的處理。
18．根據(jù)權(quán)利要求10～17的任一權(quán)項所述的記錄了圖象處理程序的記錄媒體，其特征在于使計算機對原圖像的像素數(shù)據(jù)執(zhí)行對各色成分通過2次微分進行銳化處理的處理。
全文摘要
提供在對數(shù)字圖像數(shù)據(jù)進行銳化處理時不會發(fā)生強調(diào)噪音以及發(fā)生上沖和下沖現(xiàn)象等問題的圖象處理方法和記錄了圖象處理程序的記錄媒體。在利用拉普拉斯算子的銳化處理中,根據(jù)原圖像分別設(shè)置控制取負的拉普拉斯算子的大小的參量k、控制噪音的影響的參量θ和控制上沖和下沖現(xiàn)象的參量λ,根據(jù)原圖像的狀態(tài)變更這些參量。
文檔編號H04N1/409GK1302045SQ00136129
公開日2001年7月4日 申請日期2000年12月25日 優(yōu)先權(quán)日1999年12月27日
發(fā)明者英保茂, 新田庫治, 出立祥一 申請人:諾日士鋼機株式會社